Un especialista en ML está creando un modelo de visión artificial para clasificar 10 categorías de señales de tráfico. El equipo tiene 100 imágenes etiquetadas por clase almacenadas en Amazon S3 y 10.000 imágenes adicionales sin etiquetar. Todas las imágenes son de 224x224 de cámaras de salpicadero. Después de varias ejecuciones de entrenamiento, el modelo está sobreajustando los datos de entrenamiento. ¿Qué acciones debe tomar el especialista para reducir el sobreajuste? (Elija dos).

El sobreajuste ocurre cuando un modelo aprende el ruido y los detalles específicos del conjunto de entrenamiento, lo que reduce su capacidad de generalización a datos nuevos. Etiquetar las imágenes sin etiquetar con Amazon SageMaker Ground Truth y añadirlas al conjunto de entrenamiento aumentará significativamente la cantidad de datos disponibles. Un conjunto de datos más grande y diverso ayuda al modelo a aprender patrones más generales y reduce el sobreajuste. Aplicar aumento de datos (como rotaciones, traslaciones, volteos) a las imágenes existentes crea nuevas variaciones de los datos de entrenamiento. Esto expande artificialmente el tamaño del conjunto de datos y expone al modelo a una mayor diversidad de ejemplos, lo que mejora su capacidad de generalización y mitiga el sobreajuste. Convertir las imágenes a escala de grises reduce la información de color, lo que puede simplificar el problema pero no aborda directamente el sobreajuste y podría incluso reducir la precisión si el color es una característica importante. Cambiar la función de activación de la capa final a sigmoide es incorrecto para una clasificación multiclase de 10 categorías; softmax sería la función adecuada. Usar k-NN para etiquetar 10.000 imágenes sin etiquetar es ineficiente y propenso a errores, especialmente con un conjunto de datos inicial pequeño y sobreajustado.